1. 任务要求

      任务一：用自带的麦克风，搭建机器学习模型，使板卡上的LED灯根据中文语音指令（不少于三个指令）呈现出不同效果，如开灯、关灯、闪烁、SOS、呼吸等

      2. 任务分析与准备

      任务主要可以分为以下三个环节：

•     编程ARDUINO环境搭建。包括下载ARDUINO编辑器软件，Syntiant有一个EDGE Impulse环境搭建的准备网页：https://docs.edgeimpulse.com/docs/development-platforms/officially-supported-mcu-targets/syntiant-tinyml-board
• 可以根据网页的内容指导进行编译环境的搭建。 主要包括：下载Githab的例程程序firmware-syntiant-tinyml；安装ARDUINO CLI和EDGE IMPULSE CLI；安装audio firmware;通过response to your voice例程了解EDGE IMPULSE编程的方式。
• EDGE IMPULSE机器学习训练的过程是：连接开发板或用电脑麦克风进行数据采集，并对数据进行分类，数据采集的长度设为1秒；设定数据分析，创建Impluse,选择audio syntiant, keras;配置好修正数据，开始机器学习训练，查看训练的正确率
• 在开发板上部署机器学习程序。这里可以选择用Arduino编译下载，也可以使用命令行编译的方式，包括：arduino-win-build.bat --build；arduino-win-build.bat --flash两个命令。
  
  
  

3. 程序部分。

     这部分的程序，主要是修改irmware-syntiant-tinyml的例程。

void on_classification_changed(const char *event, float confidence, float anomaly_score) {

    // here you can write application code, e.g. to toggle LEDs based on keywords
    if (strcmp(event, "lv") == 0) {
        // Toggle LED
        digitalWrite(LED_RED, LOW);
        digitalWrite(LED_BLUE, LOW);
        digitalWrite(LED_GREEN, LOW);
        
        digitalWrite(LED_GREEN, HIGH);
        delay(5000);
        digitalWrite(LED_GREEN, LOW);
    }

    if (strcmp(event, "lan") == 0) {
        // Toggle LED
        digitalWrite(LED_RED, LOW);
        digitalWrite(LED_BLUE, LOW);
        digitalWrite(LED_GREEN, LOW);
        
        digitalWrite(LED_BLUE, HIGH);
        delay(5000);
        digitalWrite(LED_BLUE, LOW);
    }

    if (strcmp(event, "hong") == 0) {
        // Toggle LED
        digitalWrite(LED_RED, LOW);
        digitalWrite(LED_BLUE, LOW);
        digitalWrite(LED_GREEN, LOW);
        
        digitalWrite(LED_RED, HIGH);
        delay(5000);
        digitalWrite(LED_RED, LOW);
    }

event是机器学习对声音的判断标识，也就是我们之前做的分类标签。当识别到了对应的标签就通过程序点亮相应颜色的灯。点亮5秒后熄灭对应颜色的灯。

4.功能展示。如下是实现的效果。

说：“绿”。 电路板上三色灯点亮绿色。

说：“蓝”。 电路板上三色灯点亮蓝色。

说：“红”。 电路板上三色灯点亮红色。

5.心得体会。

通过这块开发板学习了EDGE IMPULSE机器学习训练的步骤。也体会了机器学习中数据获取的重要性和困难，个人获取大量数据既是费时费力的工作，而且也不易获取高质量的数据。另外背景校准数据的使用有助于后面获取判断的准确性。整个开发板作为尝试边缘计算，起到了学习的作用。如果要进一步学习，这块开发板没有开放NDP101的datasheet, 无法进一步了解机器学习芯片里的实现原理。